基于PCA和SVM的微铣刀磨损状态识别

• 作者: 彭明松 王二化 张屹
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 微铣刀磨损 信号分析 主成分分析法 支持向量机 花朵授粉算法
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 工艺与装备
• 页码范围: 130-133
• 页数: 4页
• 分类号: TH162|TG71
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2022.01.029

摘要

刀具磨损的状态识别精度对机床加工的质量和生产效率至关重要,为了提高刀具磨损状态的识别度,提出了一种能够有效识别微铣刀磨损状态的方法.首先对采集到的振动信号进行时域和频域分析,提取多个时域特征和频域特征,然后应用主成分分析法对提取的特征进行信息融合,再以融合后的特征向量作为支持向量机的样本输入,避免由于支持向量机初始参数选择不合适而带来的局部最优和过拟合的问题,建立遗传算法优化支持向量机的模型.结果表明,与其它算法相比,提出的基于花朵授粉算法的支持向量机模型能够有效准确识别微铣刀的各种磨损状态,优化后的支持向量机模型的总体识别率有了明显的提升,达到了95.5％,在分类性能和计算效率方面都具备优势.